生成對(duì)抗網(wǎng)絡(luò)研究綜述
關(guān)鍵詞：生成對(duì)抗網(wǎng)絡(luò) 梯度消失 模式崩潰 圖像領(lǐng)域 風(fēng)格遷移
摘要：自生成對(duì)抗網(wǎng)絡(luò)GAN提出以后,現(xiàn)這一方向已成為人工智能方向的研究熱點(diǎn). GAN的思想采用二人零和博弈方法,由生成器和判別器構(gòu)成,生成器負(fù)責(zé)生成樣本分布,判別器則判別輸入是真實(shí)樣本還是生成樣本,生成器和判別器不斷交互優(yōu)化,最終達(dá)到最優(yōu)效果. GAN模型的提出無(wú)疑是很新穎的,但也存在很多缺點(diǎn),比如梯度消失問(wèn)題、模式崩潰等.隨著研究的深入, GAN不斷優(yōu)化擴(kuò)展, GAN的衍生模型也層出不窮. GAN可應(yīng)用于不同領(lǐng)域,主要為計(jì)算機(jī)圖像和視覺(jué)領(lǐng)域,在圖像領(lǐng)域有著突出的效果,能生成高分辨率逼真的圖像,能對(duì)圖像進(jìn)行修復(fù)、風(fēng)格遷移等,也能生成視頻并進(jìn)行預(yù)測(cè)等. GAN也能生成文本,可以進(jìn)行對(duì)話(huà)生成、機(jī)器翻譯、語(yǔ)音生成等.同時(shí),GAN在其他領(lǐng)域也有涉及,比如生成音樂(lè)、密碼破譯等.但是GAN在其他領(lǐng)域的應(yīng)用效果并不顯著,那么,如何提高GAN在其他領(lǐng)域的應(yīng)用效果將值得深入研究,使生成對(duì)抗網(wǎng)絡(luò)在人工智能方面大放異彩.
計(jì)算機(jī)系統(tǒng)應(yīng)用雜志要求:
{1}參考文獻(xiàn)按GB/T 7714-2005《文后參考文獻(xiàn)著錄規(guī)則》采用順序編碼制著錄，依照其在文中出現(xiàn)的先后順序用阿拉伯?dāng)?shù)字加方括號(hào)標(biāo)出。
{2}文責(zé)自負(fù)。概不接受抄襲稿件。本刊概不退稿，請(qǐng)作者自留底稿。
{3}請(qǐng)勿一稿多投，三個(gè)月內(nèi)未接到本刊錄用通知可另行處理。
{4}文題：力求簡(jiǎn)明、醒目，反映出文章的主題。中文文題一般以20個(gè)漢字以?xún)?nèi)為宜。
{5}正文應(yīng)層次清楚，方便閱讀，行文符合規(guī)范。正文中的各級(jí)標(biāo)題分別為：“1”、“1.1”、“1.1.1”等。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢(xún)雜志社
